劉少克

(國防科學技術大學,機電工程與自動化學院,湖南長沙410073)

隨著城市軌道交通的發(fā)展,牽引用大功率直線感應電機在我國開始得到越來越廣泛的應用[1,2]。與普通電機相比,牽引用直線感應電機具有功率大,極數較多,工作氣隙大的特點?？紤]建設成本,牽引用直線感應電機的短初級采用三相繞組,固定在車輛上,與車體一起運動;次級采用鐵鋁復合結構,沿軌道輔設,鋁板厚度4～5mm,覆蓋在鐵板上,實驗研究時通常采用旋轉圓盤或圓弧形結構。

本文介紹的直線感應電機旋轉圓盤式動態(tài)實驗系統(tǒng),對于普通旋轉感應電機實驗系統(tǒng)同樣有借鑒作用。

1 實驗系統(tǒng)各部分結構

實驗系統(tǒng)由模擬直線電機、DSP控制系統(tǒng)、速度檢測、電壓電流檢測和力測量系統(tǒng)等部分組成。

1)電機結構平臺

實驗系統(tǒng)短定子初級固定在安裝架上,次級采用鋁和鋼復合圓盤型結構,且圓盤半徑遠大于初級長度。初級在水平方向固定,次級在電機牽引力的作用下可以連續(xù)旋轉,如圖1所示。

圖1 直線感應電機實驗系統(tǒng)照片

當圓盤足夠大時,可以認為圓盤型直線感應電機的初級與次級之間做相對直線運動。另外,為了實驗初、次級之間氣隙的不同對電機特性的影響,實驗裝置中,初、次極之間的間隙可以調整。

2)DSP控制系統(tǒng)

DSP控制系統(tǒng)硬件包括主電路、控制電路和輔助電路三個部分。主電路由整流、濾波和IPM逆變電路組成?？刂齐娐芬訢SP為核心控制器件,用來實現不同電機控制算法。輔助電路由鍵盤顯示電路、保護電路以及電流、電壓、速度和力檢測電路等組成。

在主電路中,先將三相交流電整流濾波后,供給智能功率模塊IPM。IPM將直流逆變?yōu)榻涣麟姽┙o初級三相繞組。逆變器采用IPM模塊可節(jié)省外圍電路,系統(tǒng)運行穩(wěn)定,電機控制容易實現。

控制電路的核心器件是DSP,我們選用 TI公司的電機專用數字控制芯片 TMS320F240。該DSP負責采樣初級相電流、電壓以及電機牽引力和初次級之間的法向力,并計算電機的轉速,獲取轉速指令、完成控制算法及逆變橋6個功率管的開關PWM信號的產生等功能。同時,DSP還監(jiān)控實驗系統(tǒng)的運行狀態(tài),當系統(tǒng)出現短路、過流和過壓等故障時,DSP將封鎖PWM 輸出,使IPM停止工作,電機停止運行。

3)轉速檢測

速度的檢測是在次級圓盤上安裝齒盤實現的。齒盤上的光電開關產生脈沖,并送入DSP的捕獲接口單元QEP。

速度計算采用M 測速法,即在某一采樣時間內,通過對脈沖的計數來確定電機轉速。設采樣時間為Tn,齒盤齒數為P,在采樣時間內測得的脈沖數為m,則電機轉速 n(轉/分,或rpm)為

4)電壓電流檢測

電壓電流檢測采用霍爾傳感器,傳感器輸出模擬信號大小與輸入待測量成正比,它既可以測量交流量,又可以測量直流量。反應速度快,性能穩(wěn)定。

5)牽引力和法向力測量

牽引力和法向力測量采用拉壓力傳感器。該類傳感器能將測出的拉壓力值轉換成相應比例的電壓或電流輸出,便于實驗系統(tǒng)測控使用。將拉壓力傳感器的一端固定在實驗平臺的托架上,另外一端與電機的初級相連,調整傳感器和電機初級的相對位置,使拉壓力傳感器的受力主軸與所測量力的方向一致,可以達到較好的測量精度,如圖2所示[3]。

圖2 直線感應電機牽引力和法向力測量方法

測量初、次級之間法向力采用兩只拉壓力傳感器,這樣在垂直方向上既起到固定和平衡的作用,同時也使拉壓力傳感器在垂直方向上受力均勻。

2 實驗系統(tǒng)整體組成

整個教學實驗系統(tǒng)的組成結構框圖如圖3所示。

圖3 實驗系統(tǒng)組成結構圖

圖3中輸入速度指令為一模擬量,通過A/D轉換為數字量,此數字量輸入到DSP控制系統(tǒng)中,通過適當控制算法計算得到6路PWM信號;此6路PWM信號通過隔離驅動電路加到IPM上,從而產生三相調制電壓,以驅動直線感應電機。

該教學實驗系統(tǒng)由于加入了速度和電流檢測,可實現速度和電流的閉環(huán)控制。有關控制算法通過DSP編程實現,可以由學生完成,在演示性實驗中也可由教師預先編程。測力傳感器的加入,使實驗系統(tǒng)還可進行電機特性的測量。

3 實驗實例

筆者構建了一個實驗裝置,用于檢測初、次級之間空氣氣隙長度的不同對電機特性的影響,該裝置中的初、次極之間距離可以調整,其調整范圍從3～10mm。裝置電機額定電壓 30V,額定功率0.24kW,頻率 50Hz;初級長度320mm,初級寬度70mm;次級圓盤直徑620mm,次級鋁板厚度3mm,次級鐵板厚度10mm。

在該裝置上進行電機控制算法研究。當神經網絡用于直線電機速度觀測時,其觀測原理框圖如圖4所示。

圖4 神經網絡速度觀測原理框圖

圖4中TDL表示單位延遲環(huán)節(jié),Vr(k)為速度,us、is為輸入電壓和電流。對應不同的神經網絡算法和NN速度估計模型,可以選擇不同的神經網絡結構。圖中電機輸入輸出的非線性關系離散化后可以表示為

上述非線性關系可以由神經網絡來映射:通過訓練神經網絡,使其按任一精度逼近直線感應電機系統(tǒng),從而映射原系統(tǒng)的非線性關系,估計電機的實際速度。

根據實驗檢測一組輸入輸出數據(即初級電壓、電流和相應的速度)作為神經網絡的初始訓練樣本。利用上述神經網絡算法,估算不同運行情況下的電機運行速度。作為例子,圖5和圖6分別示出了起動過程中,用徑向基函數RBF神經網絡對上述實驗平臺轉速進行估計,在次級穩(wěn)態(tài)速度n=150rpm和n=195rpm時的估計速度曲線和實際速度曲線。

圖5 n=150rpm,RBF網絡訓練結果

圖6 n=194rpm,RBF網絡訓練結果

由圖5和圖6可見,使用RBF網絡很好地估計了圓盤的速度。網絡訓練中用訓練輸出和輸出樣本T之間的均方差MSE來作為訓練誤差,設定訓練目標為MSE=0.01。

計算同時表明,采用不同的神經網絡算法在收斂速度和估計準確性方面存在一定的差別。采用BP網絡梯度算法最終訓練誤差較大,而采用BP網絡Levenberg-Marquardt算法能夠達到訓練目標,只是學習時間長一些;兩種BP網絡算法中,L-M算法估計與實測更接近。RBF網絡具有短的學習時間,在訓練時間和最終訓練誤差方面具有明顯的優(yōu)勢。

4 結語

本文介紹了一種直線感應電機實驗系統(tǒng)的組成,對實驗系統(tǒng)各個組成部分的硬件結構進行了描述,并針對神經網格控制算法在電機速度估計方面的應用進行了研究。利用該系統(tǒng),可對直線感應電機的電磁力及其控制特性進行實驗研究。

[1] 葉云岳.直線電機原理與應用[M].北京:機械工業(yè)出版社,2000

[2] Syunzo Ishimoto,Masato Kato.The First Urban Maglev T ransport Application Japan.Maglev2004 Proceedings[C],2004,Vol.1:298-306

[3] 劉少克,羅昆.中低速磁懸浮列車用直線電機法向作用力實驗研究[J].株州:機車電傳動,2003,No.1,,No.32-34

[4] 馮垛生,曾岳南.無速度傳感器矢量控制原理與實踐[M].北京:機械工業(yè)出版社,2001

[5] 胡崇岳.現代交流調速技術[M].北京:機械工業(yè)出版社,2003